This dataset provides masked sentences and multi-token phrases that were masked-out of these sentences. We offer 3 datasets: a general purpose dataset extracted from the Wikipedia and Books corpora, a

aws亚马逊开源数据集90

timaeus/pile-pubmed_central-elimination-disjoint-slm-l1sae327

医学文本处理

自然语言处理

该数据集包含文本数据和元数据信息，文本数据为字符串类型，元数据包含pile_set_name字段。数据集仅包含训练集部分，共有约59397条示例，总大小约为1.91GB。提供的配置信息中指定了训练集的数据文件路径。

Hugging Face2025-03-18 更新130

timaeus/pubmed_central_loss_delta_ablation_l1h2

医学文本处理

机器学习

该数据集包含文本数据和元数据信息，文本数据以字符串形式存储，元数据包含集合名称。数据集仅包含训练集部分，共有10000个示例，总大小为30018090字节。

Hugging Face2025-03-18 更新120

Brat format of the SNPPhenA corpus

资源简介：

相关数据集